Key points are not available for this paper at this time.
Die Suche in den Daten von Gravitationswellendetektoren nach Signalen von kompakten binären Verschmelzungen ist eine rechnerisch anspruchsvolle Aufgabe. Kürzlich wurden maschinelle Lernalgorithmen vorgeschlagen, um aktuelle und zukünftige Herausforderungen anzugehen. Die Ergebnisse dieser Veröffentlichungen unterscheiden sich jedoch oft erheblich aufgrund unterschiedlicher Entscheidungen im Bewertungsverfahren. Die Machine Learning Gravitational-Wave Search Challenge wurde organisiert, um diese Probleme zu lösen und einen einheitlichen Rahmen für die Bewertung von maschinellen Lern-Suchen zu schaffen. Sechs Teams reichten Beiträge ein, von denen vier auf Methoden des maschinellen Lernens basieren und zwei auf modernsten Produktionsanalysen beruhen. Dieses Papier beschreibt die Einreichung des Teams TPI FSU Jena und deren aktualisierte Variante. Wir wenden auch unseren Algorithmus auf echte O3b-Daten an und rekonstruieren die relevanten Ereignisse des GWTC-3-Katalogs. Veröffentlicht von der American Physical Society 2024.
Zelenka et al. (Wed,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: